基于LSTM的阀冷系统入水温度及冷却裕度预测

为解决换流站阀冷系统状态缺乏智能预测手段和极端工况下冷却能力是否充裕难以评估的问题,提出基于长短期记忆网络(long short-term memory, LSTM)的换流阀冷却裕度预测方法。在阀冷系统冷却裕度指标量化评估的基础上,考虑多源影响因素,通过相关性强弱选择特征量并构建数据样本集,利用长短时记忆网络建立预测模型,并基于大量实际样本数据进行训练,对入水温度和冷却裕度发展趋势做出预测、提前预警,同时提供极端工况下冷却裕度的分析模型,为现场处理决策提供依据。通过穗东换流站的实例分析,验证了算法的有效性和可行性。     

一起纵差保护跳闸开入异常分析与处理

针对一起500 kV线路故障进行分析,确定该线路分相电流差动保护跳闸位置开入异常,查出跳闸位置开入异常是由厂家配线错误导致的。本次异常处理对变电二次检修、基建验收等环节有一定的借鉴意义。     

湖南省峰谷分时电价分析及优化策略研究

针对湖南省电网执行峰谷分时电价存在的问题,结合湖南省实际情况,提出完善峰谷分时电价的策略。以规划综合大数据平台为基础,基于负荷需求弹性分析,综合考虑供电成本、用户用电成本、负荷优化目标等条件,通过研究电价价差调整原则,制定出不同时段的电价,根据电价的经济信号,引导各类用户合理用电,优化负荷特性,提升湖南电力系统运行效率和全社会资源利用效率。     

LiPF6基电解液应用于下一代二次电池的研究进展

LiPF6是当前商品锂离子电池电解液采用的主盐,具备技术、成本和市场规模等优势,但随着下一代二次电池对比能量、寿命、安全性等性能的更高需求,LiPF6热稳定性差、在固态电解质相界面膜的成膜过程中参与度低、与新型正负极材料匹配性不佳等缺点日益凸显,人们对其在未来电池产业中的发展提出质疑.本文基于对LiPF6基础物理化学性质的分析,综述了下一代高能量密度电池体系研究中对LiPF6基电解液进行的改性和优化研究,探讨了LiPF6基电解液在下一代二次电池应用中的前景.     

基于改进鲁棒重复控制与QPR的光伏电流控制策略

为提高微电网中光伏逆变器的功率控制性能,改善光伏发电的并网电流质量,首先建立光储微电网中光伏主电路的状态空间模型,基于此模型,提出一种"嵌入式"的鲁棒重复控制模型,改进传统重复控制中的内模结构,并加入鲁棒补偿器,通过线性矩阵不等式法求得最优配置,以提高控制系统的稳定性能和跟踪精度.然后结合准比例谐振(QPR)控制良好的滤波效果,提出一种基于改进鲁棒重复控制与QPR并联的光伏电流控制策略.最后在RTDS仿真平台上对所提策略进行验证,仿真结果表明,该策略可以有效地提高光伏逆变器的电流跟踪性能和谐波抑制能力,从而验证该策略的有效性和工程应用价值.     

基于Ajax的轻量级身份认证*

采用HTTPS和传统远程脚本来实现身份认证存在一些缺点.在分析了Ajax技术特点后,提出了一种轻量级基于Ajax的适合中小企业Web应用开发的身份认证方法.同时设计了实现该方法的模型,并分析了该方法的安全性和特点.     

无线传感器网络中重发问题的理论分析*

针对无线传感器网络信道特性和网络布置等具体问题,以Mica2节点为例,从理论上分析了重发次数、时间窗长度、节点通信半径范围内的节点数量等参数的选取对数据可靠性、节点平均寿命等性能的影响.     

支持向量机及其在径流预测中的应用

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR) 进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。     

回转窑中心线偏差动态测量新法

针对现有回转窑动态测量方法存在测量基准不可靠,测量误差大等问题,提出建立横梁实体水平基准,动态测量水泥回转窑筒体中心线偏差的新方法。采用新方法设计的测量系统由全站仪、在线直径测量组件、托架组件、标定过的水平标尺和数据采集器等软硬件组成。通过架设水平基准横梁,由左、右托轮中心和轮带中心建立三角形模型,用全站仪间接测得回转窑中心线的水平和竖直偏差。经现场实地测量调试:新方法研制的测量系统稳定可靠,精度达到0.5 mm以内,测量数据与现场窑体运转状态反映一致。     

不平衡数据下基于PSO-BP算法的输电线路弧垂预测

针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.